Googleは、Gemini 2.5 Proの新しい実験モードをテストしており、より深い推論機能とネイティブオーディオ出力を追加します

「Deep Think」と呼ばれる新しいモードは、プロンプトに答える前にモデルが複数の仮説を評価できるように設計されています。 Googleによると、それは新しい研究方法に基づいており、現在、Gemini APIユーザーの限られたグループでテストされています。

Google is introducing deeper reasoning capabilities and native audio output to its Gemini 2.5 Pro model in an experimental mode called "Deep Think."

Googleは、「Deep Think」と呼ばれる実験モードで、Gemini 2.5 Proモデルに、より深い推論機能とネイティブオーディオ出力を導入しています。

This new mode, which is still under testing with a limited group of Gemini API users, encourages the model to consider multiple hypotheses before arriving at an answer.

Gemini APIユーザーの限られたグループでまだテスト中のこの新しいモードは、回答に到達する前に複数の仮説を検討することをモデルに奨励します。

The technology behind Deep Think is based on new research methods at Google AI, and the company claims that Gemini 2.5 Pro with Deep Think outperforms OpenAI's o3 model on several benchmarks.

Deep Thinkの背後にあるテクノロジーは、Google AIの新しい研究方法に基づいており、同社は、Deep Thinkを持つGemini 2.5 ProがいくつかのベンチマークでOpenaiのO3モデルよりも優れていると主張しています。

These include the USAMO 2025 math test, the LiveCodeBench programming benchmark, and MMMU, a test for multimodal reasoning.

これらには、USAMO 2025数学テスト、LiveCodebenchプログラミングベンチマーク、MMMU、マルチモーダル推論のテストが含まれます。

Gemini 2.5 Flash, optimized for speed and efficiency, has also been updated with improved performance on reasoning, multimodal tasks, and code generation.

速度と効率のために最適化されたGemini 2.5フラッシュも、推論、マルチモーダルタスク、およびコード生成に関するパフォーマンスの向上により更新されました。

The latest version of Flash can perform the same tasks using 20 to 30 percent fewer tokens.

Flashの最新バージョンは、20〜30％のトークンを使用して同じタスクを実行できます。

Both Gemini 2.5 Pro and Flash now support native text-to-speech with multiple speaker profiles. The voice output can capture subtle effects like whispers and emotional tone, and supports more than 24 languages.

Gemini 2.5 ProとFlashの両方は、複数のスピーカープロファイルを備えたネイティブテキストからスピーチをサポートするようになりました。音声出力は、ささやきや感情的なトーンなどの微妙な効果をキャプチャでき、24を超える言語をサポートします。

Developers can control accent, tone, and speaking style through the Live API.

開発者は、ライブAPIを通じてアクセント、トーン、スピーキングスタイルを制御できます。

Two new features—"Affective Dialogue" and "Proactive Audio"—aim to make voice interactions feel more natural.

「感情的な対話」と「積極的なオーディオ」という2つの新機能は、音声の相互作用をより自然に感じさせるために想像します。

Affective Dialogue allows the model to detect emotion in a user's voice and respond accordingly—whether that’s neutrally, empathetically, or in a cheerful tone.

感情的な対話により、モデルはユーザーの声の感情を検出し、それに応じて応答することができます。

Proactive Audio helps filter out background conversations, so the AI only responds when it's directly addressed. The goal is to reduce accidental interactions and make voice control more reliable.

プロアクティブなオーディオは、背景の会話を除外するのに役立つため、AIは直接対処されたときにのみ応答します。目標は、偶発的な相互作用を減らし、音声制御をより信頼できるものにすることです。

Google is also bringing features from Project Mariner into the Gemini API and Vertex AI, allowing the model to control computer applications like a web browser.

Googleはまた、Project Marinerの機能をGemini APIとVertex AIに持ち込み、モデルがWebブラウザーなどのコンピューターアプリケーションを制御できるようにしています。

For developers, Gemini now includes "thought summaries", a structured view of the model’s internal reasoning and the actions it takes.

開発者にとって、ジェミニには「思考要約」、モデルの内部推論とそれがとるアクションの構造化されたビューを含むようになりました。

To manage performance, developers can configure "thinking budgets" to limit or disable the number of tokens the model uses for reasoning.

パフォーマンスを管理するために、開発者は「予算を考える」を構成して、モデルが使用するトークンの数を制限または無効にすることができます。

The Gemini API also now supports Anthropic's Model Context Protocol (MCP), which could make it easier to integrate with open-source tools.

Gemini APIは、Anthropicのモデルコンテキストプロトコル（MCP）をサポートしているようになりました。これにより、オープンソースツールとの統合が容易になる可能性があります。

Google is exploring hosted MCP servers to support agent-based application development.

Googleは、エージェントベースのアプリケーション開発をサポートするために、ホストされているMCPサーバーを探索しています。